KI für gemeinnützige Organisationen

2.4 Voraussetzungen für den Einsatz von KI

Mindestens drei Dinge müssen stimmen, wenn sich Organisationen der Thematik nähern möchten: das Mindset, die Prozesse und die Technik. Aus dem Fundraising ist der Begriff der Institutional Readiness bekannt.Dieser beschreibt, dass innerhalb der Organisation alle beteiligten Menschen vom Vorhaben überzeugt sein müssen, dieses kennen und den beschriebenen Weg mitgehen. Für den Einsatz von generativer KI ist dies die perfekte Blaupause. Daher kann unterstellt werden, dass es dynamische Organisationen mit allgemeinem Anpassungs- und Veränderungswillen einfacher haben werden als weniger agile Vereine und Stiftungen.

Mindset bezieht sich sowohl auf die verantwortlichen Leitungen als auch die Mitarbeitenden. Alle müssen sich aus eigener Überzeugung heraus verändern wollen! Wobei der Wille nicht vorgeschrieben werden kann, sondern in kleinen Impulsen an die Mitarbeitenden herangetragen werden sollte. KI in der Organisation bedeutet, ständig neu zu lernen, auszuprobieren und sich in dem aktuell noch sehr dynamischen Geschehen stetig anzupassen. Die Benennung einer „KI-Beauftragten“ wird nicht ausreichen, handelt es sich ja nicht bloß um eine Querschnittsaufgabe, sondern um eine Generalüberholung der gesamten Prozesse. Eine für das Thema KI beauftragte Person ist dennoch der erste richtige Ansatz, um den Umbau und die Anpassungen, z.B. in der Form des Projektmanagements, zu koordinieren.

Auf Prozessorientierung wurde bereits kurz eingegangen. Existiert ein funktionierendes und gelebtes Qualitätsmanagementsystem (QM-System), so kann über die vorhandenen Prozesse das aktuelle Potenzial ermittelt werden und Stück für Stück in kleinen Schritten Versuche der KI-Einführung in diese Prozesse geübt werden. Existiert kein QM-System, so steht zunächst der Check der Prozesse der Mitarbeitenden an. In einem ersten Schritt sollten diese für sich untersuchen, welche Arbeiten konkret viel Zeit einnehmen, eher nervig oder unangenehm sind und in der Ausführung optimierbar sind. „Hoheitliche“ oder sensible Prozesse sollten erst nach einer gewissen Erfahrung mit KI-Werkzeugen angegangen werden. Der Erfolg bei der Umsetzung von kleinen Prozessen schafft Akzeptanz und Interesse, diesen Effekt bei anderen Aufgaben zu wiederholen.

Technik ist in der Einführungsphase keine große Herausforderung. Die meisten der derzeit im Einsatz befindlichen Werkzeuge sind über Apps oder den Browser nutzbar und in Spezialsoftware integriert. Die Rechenkapazitäten werden dadurch ausgelagert. Lediglich Transkriptionen und lokale Bildgeneratoren können lokal und damit datenschutzkonform entstehen, wo klassische kleine Office-Rechner an die Leistungsgrenze kommen können. Auch über handelsübliche Smartphones lässt sich aktuell bereits eine Menge umsetzen.
Die durch die erwähnte Auslagerung der Rechenleistung bei externen Anbietern entstehenden Kosten werden i. d. R. durch monatliche Gebühren abgerechnet. Zum aktuellen Zeitpunkt decken diese nach Angaben der Betreibenden zum Teil nur die eigenen Kosten ab, um die Akzeptanz zu steigern. Eine Verstetigung des Marktes in Verbindung mit technologischer Entwicklung sowie politische Prozesse werden hier in Zukunft an der Preisschraube drehen.

Microsoft ist derzeit dabei, den persönlichen Assistenten Copilot flächendeckend auf die Rechner der Office-Nutzenden zu bringen und sogar die neuen Tastaturen mit einer weiteren Taste zur Aktivierung dieses Copilots auszustatten. Die Umsetzung kann einen weiteren Schritt in Richtung Akzeptanz der neuen Technologie bedeuten. Aktuell jedoch sind die qualitativen Ergebnisse dieses Copilots noch gewöhnungsbedürftig, was einen gegenteiligen Effekt auslösen könnte. Funktionieren neue Tools in der Organisation nicht auf Anhieb oder wie angekündigt oder geben sie nicht die gewünschten Ergebnisse heraus, kann dies zur Ablehnung der neuen Technologie führen. Ein positives Gegenbeispiel ist der auf Mac-Rechnern laufende Assistent Elephas, der – verbunden mit einer noch steilen Lernkurve – den Arbeitsalltag bereichern kann.

Bei vielen Organisationen gehört zur Technik auch die Frage nach den Bezahlungsmöglichkeiten der Tools. Die meisten Werkzeuge bieten die Zahlung per PayPal oder Kreditkarte an. Allerdings stößt dies noch auf Herausforderungen in Vereinen und Stiftungen.

Zu beachten ist vor allem auch: KI-Systeme sind anfällig für Fehler. Bei den Ergebnissen handelt es sich um mathematische/statistische Wahrscheinlichkeiten aus Berechnungen der Basis riesiger Datenmengen. Aus dem Datenbestand wird die mathematisch beste Variante genutzt. Ergebnisse können sich bei mehrfach gestellter, gleicher Frage ändern. Die Systeme haben aktuell große Schwächen und begehen Fehler, indem sie aus ihren Trainingsdaten falsche Verknüpfungen herstellen. Sie wissen nicht, was sie produzieren und können Kontexte kaum einordnen. So wissen Bildgeneratoren beispielsweise nicht um die Wirkung eines Spiegels. Sprachmodelle sind oft nicht in der Lage, historische Zusammenhänge richtig darzustellen. Ein weiteres Beispiel dazu befindet sich in Kapitel 5.1, in dem Vorschläge für eine Kampagne der Bürgerstiftung in Hattingen entwickelt werden, ohne dass das System korrigiert, dass es diese Bürgerstiftung gar nicht gibt (siehe Abb. 1 auf S. 8).

Auch wenn davon auszugehen, ist, dass diese Berechnungen zeitnah und regelmäßig um ein Vielfaches besser werden, so ist Vorsicht geboten. Es sollten alle mit einer KI generierten Inhalte hinterfragt und weiterrecherchiert werden, weil die Systeme „halluzinieren“ können. Generative KI kann dabei helfen, Dinge in der Organisation abzukürzen und effektiver zu gestalten. Sind die Ergebnisse zu 100 % richtig? Sehr wahrscheinlich nicht. Finden Sie die Fehler bei zeitsparenden Anfragen bei der Kontrolle? In einigen Fällen ja, in anderen nicht. Deshalb lauten die entscheidenden Fragen: Sind Sie auch nach der Kontrolle schneller und effektiver, als wenn Sie es selbst gemacht hätten? Und konnten Sie einen umfassenden Fehlercheck durchführen? Dann ist der Einsatz von generativer KI sinnvoll. Zu berücksichtigen ist auch, dass eine KI aufgrund ihrer eventuell zu einseitig verwendeten Trainingsdaten voreingenommen sein kann und bei bestimmten Themen das Meinungsbild der Entwickler-Teams widerspiegelt.